3DSignals Utilise l'Analytique Sonore pour Révolutionner la Maintenance Machine

La technologie capteurs de l'IIoT industriel débloque solutions pour défis maintenance de longue date. La maintenance traditionnelle a été lente, coûteuse, et fortement dépendante de main-d'œuvre qualifiée rare.

La startup israélienne 3DSignals retourne cela en fusionnant IoT avec machine learning pour monitorer équipement par le son.

J'ai parlé avec Amnon Shenfeld, co-fondateur et CEO, pour apprendre comment l'idée a germé.

« Ça a commencé dans un trajet en train », rappelle Shenfeld. « Avec background en deep learning, j'étais convaincu qu'un réseau neuronal pourrait automatiquement reconnaître et classifier sons machine, et — après vérification experte — livrer insights actionnables sur santé équipement. »

Il a assemblé équipe multidisciplinaire de data scientists, mathématiciens et ingénieurs électriques, et visité une aciérie locale.

« On a demandé aux opérateurs quelles pannes ils affrontaient le plus fréquemment », dit Shenfeld. « Rupture lame scie top de liste. Ils rapportent 50 % taux efficacité — remarquable en sidérurgie — mais gaspillent encore temps et ressources. »

Ils opéraient à 20 % uptime avant changement management, avec pannes lames point de douleur majeur. Chaque remplacement pouvait prendre 20 minutes, et la plupart lignes requéraient trois changements par jour. C'est plus d'une heure downtime par machine, plus risque dommage quand lames se brisent.

Monitoring existant — courant, température — s'est avéré inefficace. Shenfeld a vu opportunité pour 3DSignals.

Désrupting le Cycle Maintenance Préventive

La maintenance conventionnelle demande ingénieurs onsite pour inspecter machinery sur schedule rigide. Le processus est labour-intensive et réactif.

« Historiquement, techniciens s'appuyaient sur acoustique — voitures, pompes, etc. — pour juger opération normale », explique Shenfeld. « Un ingénieur chevronné peut vous dire si une pompe est saine juste en écoutant. »

3DSignals est la première entreprise IoT à exploiter l'analytique sonore sensor-based pour large gamme machines. En apprenant la signature acoustique attendue de chaque dispositif et puis détectant déviations, le système émule l'intuition de l'expert avec un modèle deep-learning.

En résultat, la maintenance devient prédictive plutôt que programmée, permettant ingénieurs d'adresser problèmes avant qu'ils ne mènent à downtime.

La plateforme est cloud-based et user-friendly. Échantillons son peuvent être partagés directement avec fabricants équipement, offrant données réel qui améliorent design et troubleshooting.

Monitoring basé son s'aligne naturellement avec secteur énergie, où turbines tournent souvent sans surveillance. Checks routiniers peuvent découvrir fautes dans équipement entièrement différent — quelque chose auparavant indétectable.

Alors que academia a longtemps étudié analyse acoustique pour reconnaissance vocale, 3DSignals repousse la frontière avec audition automatisée pour actifs industriels.

Même Elon Musk a une fois référé à un son mystérieux pour investiguer l'explosion SpaceX Falcon 9.

Quand présentant le concept, Shenfeld demande clients potentiels, « Pouvez-vous dire si votre machine fonctionne correctement juste par son son ? » La réponse est toujours « oui. » Avec applications allant du minage à l'agriculture aux véhicules autonomes, 3DSignals est positioned pour redessiner pratiques maintenance across industries.